Perkembangan AI selama 80 tahun dan pelajaran yang dipetik

Dalam perjalanan 80 tahun perkembangan di bidang kecerdasan buatan (AI), kita dapat mengambil banyak pengalaman berharga. Perjalanan ini menyaksikan fluktuasi investasi, diversifikasi metode penelitian dan pengembangan, serta perubahan emosi publik dari rasa ingin tahu menjadi kecemasan dan kemudian menjadi kegembiraan.

Sejarah AI dapat ditelusuri kembali ke bulan Desember 1943, ketika ahli neurofisiologi McCulloch dan ahli logika Pitts menerbitkan sebuah makalah perintis tentang logika matematis. Mereka mengusulkan model jaringan neuron yang diidealkan dan disederhanakan, yang menggambarkan bagaimana jaringan tersebut dapat melakukan operasi logika sederhana melalui pengiriman atau tidak pengiriman impuls. Meskipun asumsi dalam makalah ini kemudian tidak dapat diuji secara empiris, makalah ini menjadi sumber inspirasi bagi pembelajaran mendalam modern.

Dalam proses perkembangan AI, kita perlu waspada terhadap pencampuran rekayasa dengan sains, sains dengan spekulasi, dan sains dengan makalah yang dipenuhi simbol dan rumus matematika. Yang lebih penting, kita harus menolak godaan ilusi bahwa "manusia dapat menciptakan mesin yang tidak berbeda dari diri mereka sendiri". Sikap sombong yang keras kepala dan umum ini telah menjadi katalis bagi gelembung teknologi dan kegilaan siklikal AI selama 80 tahun terakhir.

Konsep AI Umum ( AGI ), yaitu mesin yang akan segera memiliki kecerdasan seperti manusia atau bahkan kecerdasan super, telah menjadi topik hangat di bidang AI. Namun, sejarah menunjukkan bahwa prediksi tentang realisasi AGI sering kali meleset. Dari pernyataan Herbert Simon pada tahun 1957 bahwa "di dunia ini sudah ada mesin yang dapat berpikir, belajar, dan menciptakan", hingga ramalan Marvin Minsky pada tahun 1970 bahwa "dalam tiga sampai delapan tahun akan ada mesin dengan kecerdasan setara manusia", dan baru-baru ini klaim OpenAI bahwa AI super pintar mungkin akan muncul dalam dekade ini, semua prediksi ini mencerminkan optimisme yang berlebihan terhadap kemampuan AI.

Kita harus berhati-hati terhadap teknologi baru yang tampak revolusioner, dan memeriksa dengan teliti apakah mereka benar-benar berbeda secara substansial dari dugaan sebelumnya tentang kecerdasan mesin. Seperti yang dikatakan oleh ahli pembelajaran mendalam Yann LeCun, kita masih kekurangan beberapa elemen kunci untuk mewujudkan mesin yang dapat belajar dengan efisien seperti manusia dan hewan.

"Teori Kesalahan Langkah Pertama" dalam sejarah perkembangan AI patut kita waspadai. Teori ini berpendapat bahwa, selama komputer dapat menyelesaikan tugas yang sebelumnya dianggap tidak mungkin diselesaikan, meskipun dilakukan dengan buruk, melalui perkembangan teknologi lebih lanjut, akhirnya mereka akan dapat menyelesaikan tugas tersebut dengan sempurna. Namun, kenyataannya seringkali membuktikan bahwa jarak dari tidak dapat melakukan sesuatu ke melakukan dengan buruk biasanya jauh lebih pendek dibandingkan dengan jarak dari melakukan dengan buruk ke melakukan dengan baik.

Pada berbagai tahap perkembangan AI, perangkat keras, perangkat lunak, dan pengumpulan data memainkan peran penting. Sistem pakar yang mulai populer pada pertengahan tahun 1960-an berfokus pada pengambilan dan pemrograman pengetahuan dunia nyata. Namun, pada awal tahun 1990-an, gelombang kegembiraan AI ini akhirnya runtuh, mengungkap tantangan besar dalam pengambilan dan pemeliharaan pengetahuan. Ini mengingatkan kita bahwa keberhasilan awal dan adopsi yang luas tidak menjamin keberlangsungan "industri baru", gelembung pada akhirnya akan pecah.

Perdebatan tentang metode penelitian AI telah ada sejak lama, terutama antara AI simbolik berbasis aturan dan koneksionisme berbasis statistik. Dalam beberapa tahun terakhir, fokus penelitian AI telah bergeser dari akademisi ke sektor swasta, tetapi seluruh bidang masih cenderung mengikuti satu arah penelitian tunggal. Ini mengingatkan kita bahwa kita tidak boleh menaruh semua harapan pada satu metode pengembangan AI.

Melihat ke depan, baik raksasa perangkat keras seperti Nvidia maupun perusahaan rintisan yang fokus pada AGI, harus mengambil pelajaran dari perjalanan perkembangan AI. Tetap waspada, mengembangkan variasi, dan menghindari terjebak dalam jalur teknologi tunggal, adalah kunci untuk memastikan kesuksesan jangka panjang di bidang AI.